Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MODELOS DE MARKOV
OCULTOS
PROCESOS ESTOCASTICOS
Posibles Casos:
Que el resultado solo dependa del
ltimo tiempo
Cuando las Yn son independientes,
entonces las partes no dependen una de
la otra.
CADENA DE MARKOV
MATRIZ DE TRANSICIN
Yn= No de pieza ocupada por el ratn en el tiempo n (No de pieza ocupada
despus de n movimientos)
Pij = P(Yn=j / Yn-1 = i)
Xn 1 2 3 4 5 6 7 8 9
Xn-1
1 0 0 0 0 0 0 0
1 2 3
2 1/3 0 1/3 0 1/3 0 0 0 0
.
4 5 6 9
Supuestos de un HMM
T
La secuencia observada Y1= {Y1,Y2,Y3,....YT) Se relaciona con
La secuencia de estados Q T= {Q ,Q ,Q ,....Q ) no observados
1 1 2 3 T
Supuestos de un HMM
T-1 T
P(y1,q1) = P(q1) P(q t+1| qt) P(yt|qt)
T T
t=1 t=1
Estimacin de Parmetros
Algoritmo de Baum-Welch (maximizacin): Optimizar las
probabilidad de los parmetros del modelo, con el fin de ajustar
los parmetros secuencia de entrenamiento hasta un punto
dado.
MODELO DE MARKOV OCULTOS
1 2 3 F a b c
1 0.2 0.5 0.3 0.0 Bij = 1 0.0 0.3 0.7
A ij =
2 0.1 0.0 0.9 0.0 2 0.3 0.6 0.1
3 0.0 0.0 0.4 0.6 3 1.0 0.0 0.0
MODELO DE MARKOV OCULTOS
0.2 0.4
0.1
0.2 0.4
0.1
0.2 0.4
0.1
0.2 0.4
0.1
0.2 0.4
0.1
+ (P1.B1,c)
(1x0.7)
MODELO DE MARKOV OCULTOS
Un ejemplo para generar una cadena en un HMM
a 0.0 0.3 1.0
b 0.3 0.6 0.0
c 0.7 0.1 0.0
0.2 0.4
0.1
+ (P1.B1,c) (A1,2.B2,b)
(1x0.7) (0.2 x 0.3)
MODELO DE MARKOV OCULTOS
Un ejemplo para generar una cadena en un HMM
a 0.0 0.3 1.0
b 0.3 0.6 0.0
c 0.7 0.1 0.0
0.2 0.4
0.1
0.2 0.4
0.1
0.2 0.4
0.1
ALGORITMO DE VITERBI
Ini 1
1
0.0
0.2
0.3
0.7 1
1
0.5
0.3
0.3
0.1
0.6
2
2
0.1
0.9
1.0
0.0 3
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 1*0.3
1
0.5
0.3
0.1
0.3
0.6
2
2
0.1
0.9
1.0
0.0 3
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3 (0.3)*(0.2*0.7)
1
0.5
0.3
0.1
0.3
0.6
2 0.0
2
0.1
0.9
1.0
0.0 3 0.0
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3
1
0.5
0.3
0.1
0.3
0.6
2 0.0 (0.3)*(0.5*0.1)
2
0.1
0.9
1.0
0.0 3 0.0
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3
1
0.5
0.3
0.1
0.3
0.6
2 0.0
2
0.1
0.9
1.0
0.0 3 0.0 (0.3)*(0.3*0.0)
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3 0.042 (0.042)*(0.2*0.3)
1
0.5
0.3
0.1
0.3
0.6
2 0.0 0.015
2
0.1
0.9
1.0
0.0 3 0.0 0.000
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3 0.042
1
0.5
0.3
0.1
0.3
0.6
2 0.0 0.015
2
0.1 (0.042)*(0.5*0.6)
0.9
1.0
0.0 3 0.0 0.000
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3 0.042
1
0.5
0.3
0.1
0.3
0.6
2 0.0 0.015
2
0.1
0.9
1.0
0.0 3 0.0 0.000 (0.042)*(0.3*0.0)
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3 0.042 (0.042)*(0.2*0.3)
1
0.5
0.3
0.3
0.1
0.6
2 0.015 (0.042)*(0.5*0.6)
2
0.1
0.9
1.0
0.0 3 0
3
0.0
(0.042)*(03*0.0 )
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3 0.042 0.0025
1
0.5
0.3
0.1
0.3
0.6
2 0.0 0.015
2
0.1 0.0126
0.9
1.0
0.0 3 0.0 0.000 0.000
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3 0.042 0.0025 0.0126*(0.1*0.0)
1
0.5
0.3
0.1
0.3
0.6
2 0.0 0.015
2
0.1 0.0126
0.9
1.0
0.0 3 0.0 0.000 0.000
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3 0.042 0.0025
1
0.5
0.3
0.1
0.3
0.6
2 0.0 0.015
2
1.0
0.0 3 0.0 0.000 0.000
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3 0.042 0.0025
1
0.5
0.3
0.1
0.3
0.6
2 0.0 0.015
2
0.1 0.0126
0.9
1.0
0.0 3 0.0 0.000 0.000 0.0126*(0.9*1.0)
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3 0.042 0.0025 0.00
1
0.5
0.3
0.1
0.3
0.6
2 0.0 0.015
2
1.0
0.0 3 0.0 0.000 0.000 0.0113
3
0.0
0.6
F
F
MODELO DE MARKOV OCULTOS
Ini 1
1
0.0
0.2
0.3
0.7 1 0.3 0.042 0.0025 0.00 0.00
1
0.5
0.3
0.1
0.3
0.6
2 0.0 0.015
2
1.0
0.0 3 0.0 0.000 0.000 0.0113 0.0045
3
0.0
0.6
F 0.0027
F